http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
스포츠 토토 불법 행위에 대한 처벌 강화 정책의 효과 분석
박준휘(Park, Junhwi),최성락(Choi, Seongrak),오시영(Oh, Siyoung) 서울행정학회 2014 한국사회와 행정연구 Vol.25 No.3
스포츠 베팅 사업은 현재 한국에서 지속적으로 확대되고 있는 대표적인 사행산업이다. 하지만 이와 함께 불법 스포츠 베팅 시장도 크게 증가하고 있다. 이에 정부는 2012년 2월 국민체육진흥법을 개정하여 불법 스포츠 베팅 사업에 대한 처벌 조항을 보다 구체화하고, 처벌 강도를 더욱 높이는 처벌강화 정책을 실시하였다. 본 연구는 2012년 2월에 이루어진 국민체육진흥법상 처벌 강화 규정이 스포츠 베팅의 불법행위를 축소시키고 합법 시장으로 유인하는 효과가 어느 정도 발생했는가를 살펴보고자 하였다. 윈터스 가법 모델을 활용하여 2012년 2월 국민체육진흥법 개정이 없었을 경우의 추정 매출치를 산정,실제 매출액과의 차이를 비교하여 정책 효과를 추정하였다. 분석 결과 프로토 오프라인 부문 월평균 매출액의 47.4%가 정책 효과로 추정되었으며 프로토 온라인 부문 월평균 매출액의 21.6%가 정책 효과로 추정되었다. 프로토 온?오프라인 전체를 봤을 때 월평균 매출액의 44.6%가 정책 효과로 산정되었다. 즉, 2012년 2월 불법 스포츠 베팅에 대한 처벌 강화 정책은 단기적으로 불법 행위를 감소시키는데 적정한 효과가 있었다고 판단될 수 있다. Sports betting enterprise is a typical speculative business which is now consistently expanding in Korea. But with this unlawful sports betting market is considerably extending. So Korean government revised the National Sports Promotion Act to concretize punishment provisions and strengthen punishment on unlawful sports betting enterprise in February 2012. The purpose of this study is to analyze effect of revision of the National Sports Promotion Act on illegal acts connected with sports toto. Using Winters additive model, this study estimates sales of Sports Toto in case of non-revision of the National Sports Promotion Act and compares estimate sales with real sales to analyze effect of punishment strengthening policy. The result of analysis is that the policy effect might be the 47.4% of sales in off-line Proto and the 21.6% of sales in on-line Proto. And the 44.6% of total sales might be the policy effect. Therefore, the results showed that the punishment strengthening policy in the National Sports Promotion Act would decrease the illegal acts in Sports Toto.
조호환경 내 환자 탐지를 위한 YOLO 모델 기반 바운딩 박스 앙상블 기법
박준휘 ( Junhwi Park ),김범준 ( Beomjun Kim ),김인기 ( Inki Kim ),곽정환 ( Jeonghwan Gwak ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.2
조호환경이란 환자의 지속적인 추적 및 관찰이 필요한 환경으로써, 병원 입원실, 요양원 등을 의미한다. 조호환경 내 환자의 이상 증세가 발생하는 시간 및 이상 증세의 종류는 예측할 수 없기에 인력을 통한 상시 관리는 필수적이다. 또한, 환자의 이상 증세 발견 시간은 발병 시점부터의 소요 시간이 생사와 즉결되기에 빠른 발견이 매우 중요하다. 하지만, 인력을 통한 상시 관리는 많은 경제적 비용을 수반하기에 독거 노인, 빈민층 등 요양 비용을 충당하지 못하는 환자들이 수혜받는 것은 어려우며, 인력을 통해 이루어지기 때문에 이상 증세 발병 즉시 발견에 한계를 가진다. 즉, 기존까지 조호환경 내 환자 관리 방식은 경제적 비용과 이상 증세 발병 즉시 발견에 한계를 가진다는 문제점을 가진다. 따라서 본 논문은 YOLO 모델의 조호환경 내 환자 탐지 성능 비교 및 바운딩 박스 앙상블 기법을 제안한다. 이를 통해, 딥러닝 모델을 통한 환자 상시 관리가 이루어지기에 높은 경제적 비용문제를 해소할 수 있다. 또한, YOLO 모델 바운딩 박스 앙상블 기법 WBF를 통해 폐색이 짙은 조호환경 영상 데이터 내에 객체 탐지 영역 정확도 향상 방법을 연구하였다.